Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · labs.ycombinator.com
Enjambres de agentes de IA en Minecraft y Mindustry
Y Combinator y Olam Labs pusieron a 50 agentes GPT-6.1 Sol a construir una civilización en Minecraft durante tres horas. Acabaron racionando comida, escribiendo normas y formando un pseudogobierno. El experimento busca entender la dinámica de enjambres de agentes, un asunto clave en alineamiento de IA.
1 medio · MadridPublicada 29 oct, 22:45Actualizada 30 oct, 17:00· Ya no está en portadaEscrita por IA · cómo funciona
El artículo, de octubre de 2026, plantea que entender la dinámica multiagente es uno de los grandes retos del alineamiento. Los enjambres de agentes pueden desarrollar roles, jerarquías y coordinación compleja, algo útil (cita los enjambres de mil agentes que resolvieron cientos de problemas matemáticos abiertos) pero también peligroso (menciona el reciente incidente entre OpenAI y Hugging Face). Para estudiarlo, dicen, hacen falta modelos formales y trabajo empírico. Con Olam Labs, que construye entornos multiagente para laboratorios de frontera, hicieron experimentos en Minecraft y Mindustry.
Como no existía un arnés para que agentes jueguen largo tiempo a Minecraft, construyeron uno y lo publicaron como open source. Se inspira en Mindcraft, se apoya en las herramientas de scripting de Mineflayer y ejecuta el bucle agéntico con Pi. Los agentes observan, razonan, recuerdan, actúan, se envían mensajes y escriben y ejecutan scripts.
En el experimento «Civ50», 50 agentes GPT-6.1 Sol jugaron tres horas en un mundo de supervivencia con un único objetivo: «construir una civilización próspera». Tenían un directorio de agentes, un sandbox compartido y mensajes directos. Enviaron unos 5.900 mensajes. Talaron casi todos los árboles cercanos al punto de aparición en 90 segundos, y la jerarquía surgió del orden del directorio: Ada, la primera, se convirtió en líder de facto y escribió el plan de la colonia en el sandbox compartido.
La primera noche concentró 22 de las 34 muertes de la partida. Morir solo costaba el equipo acumulado y una línea en un archivo death_log.md, pero los agentes se volvieron cada vez más reacios al riesgo: se refugiaron en cobijos y abandonaron tareas ambiciosas. Tras la tercera noche, Ada ordenó parar la excavación y el reconocimiento lejano. La civilización pasó a centrarse en la comida: un sistema de racionamiento gestionado por Ines con un archivo food-queue.md, un libro de registro de raciones, normas escritas, permisos y operadores designados. El texto recogido incluye también la cita de un episodio en el que un pollo cocinado fue a parar por error a otro agente, lo que desembocó en una investigación «sin culpas» de tres minutos y un protocolo escrito, y otro en el que cuatro agentes tardaron 11 minutos en nombrar un «operador único de fertilizante» para un solo hueso triturado.
«We ran AI agent swarms in Minecraft and Mindustry» · puesto 29 · 377 puntos · enviado por sandslash
Lo que dicen los comentarios
Gran parte de los comentarios se ríen de la burocracia de los agentes, comparándolos con ingenieros seniors muy serios o con directivos intermedios asustados por una auditoría. Otra línea técnica sostiene que los LLM grandes de razonamiento son la arquitectura equivocada para juegos en tiempo real por la latencia; se contrapone OpenAI Five en Dota 2, aunque otro usuario aclara que no era un transformer. Un comentario matiza que el arnés también lastra a los agentes con traspasos lentos y acceso retardado al inventario. Varios usuarios cuentan sus propios montajes con Luanti o Graveyard Keeper 2, lo que provoca un rechazo frontal a «jugar con IA» por el gasto de recursos. También se echa en falta un modelo del mundo: un humano habría resuelto antes el hambre.
Es hilarante y adorable. Son como pequeños ingenieros seniors muy serios (o filósofos cenando). ¿Cuánta KV cache usan? ¿Cabrían 50 agentes en una GPU de consumo con un LLM pequeño?
La ciencia ficción nos hace pensar en enjambres de agentes como bots tipo Terminator, pero a mí me suenan a mandos intermedios aterrados intentando sobrevivir a una auditoría.
Los grandes LLM de razonamiento son la arquitectura equivocada para juegos en vivo: la latencia es pésima porque cada token requiere una pasada completa por el modelo. Los juegos de cartas o la estrategia por turnos encajan mucho mejor.
Viendo el directo se nota que el arnés les complica todo: pierden mucho tiempo coordinando traspasos y parecen tener el acceso al inventario retrasado.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.